Windows平台¶

说明¶

Windows 平台下，我们使用Visual Studio 2019 Community 进行了测试。微软从Visual Studio 2017开始即支持直接管理CMake跨平台编译项目，但是直到2019才提供了稳定和完全的支持，所以如果你想使用CMake管理项目编译构建，我们推荐你使用Visual Studio 2019环境下构建。

前置条件¶

Visual Studio 2019
OpenVINO 2020.4或者2021.1+
CMake 3.0+

说明：

PaddleX安装请参考PaddleX ， OpenVINO安装请参考OpenVINO-Windows
CPU下请使用OpenVINO 2021.1+版本；VPU下请使用OpenVINO 2020.4版本

注意：安装完OpenVINO后需要手动添加OpenVINO目录到系统环境变量，否则在运行程序时会出现找不到dll的情况。以安装OpenVINO时不改变OpenVINO安装目录情况下为示例，流程如下

我的电脑->属性->高级系统设置->环境变量
- 在系统变量中找到Path（如没有，自行创建），并双击编辑
- 新建，分别将OpenVINO以下路径填入并保存:
  
  C:\Program File (x86)\IntelSWTools\openvino\inference_engine\bin\intel64\Release
  
  C:\Program File (x86)\IntelSWTools\openvino\inference_engine\external\tbb\bin
  
  C:\Program File (x86)\IntelSWTools\openvino\deployment_tools\ngraph\lib

请确保系统已经安装好上述基本软件，并配置好相应环境，下面所有示例以工作目录为 D:\projects演示。

预测部署¶

文档提供了c++下预测部署的方法，如果需要在python下预测部署请参考python预测部署

Step1: 下载PaddleX预测代码¶

d:
mkdir projects
cd projects
git clone https://github.com/PaddlePaddle/PaddleX.git
cd PaddleX
git checkout release/1.3

说明：其中C++预测代码在PaddleX\deploy\openvino 目录，该目录不依赖任何PaddleX下其他目录。

Step2 软件依赖¶

提供了依赖软件预编译库:

gflas
opencv

请下载上面两个连接的预编译库。若需要自行下载请参考：

gflags:下载地址
opencv:下载地址

下载完opencv后需要配置环境变量，如下流程所示- 我的电脑->属性->高级系统设置->环境变量 - 在系统变量中找到Path（如没有，自行创建），并双击编辑 - 新建，将opencv路径填入并保存，如D:\projects\opencv\build\x64\vc14\bin

Step3: 使用Visual Studio 2019直接编译CMake¶

打开Visual Studio 2019 Community，点击继续但无需代码
点击： 文件->打开->CMake 选择C++预测代码所在路径（例如D:\projects\PaddleX\deploy\openvino），并打开CMakeList.txt
点击：项目->CMake设置
点击浏览，分别设置编译选项指定OpenVINO、Gflags、NGRAPH、OPENCV的路径

参数名	含义
OPENCV_DIR	OpenCV库路径
OPENVINO_DIR	OpenVINO推理库路径，在OpenVINO安装目录下的deployment/inference_engine目录，若未修改OpenVINO默认安装目录可以不用修改
NGRAPH_LIB	OpenVINO的ngraph库路径，在OpenVINO安装目录下的deployment/ngraph/lib目录，若未修改OpenVINO默认安装目录可以不用修改
GFLAGS_DIR	gflags库路径
WITH_STATIC_LIB	是否静态编译，默认为True

设置完成后, 点击保存并生成CMake缓存以加载变量。 5. 点击生成->全部生成

Step5: 预测¶

上述Visual Studio 2019编译产出的可执行文件在out\build\x64-Release目录下，打开cmd，并切换到该目录：

D:
cd D:\projects\PaddleX\deploy\openvino\out\build\x64-Release

编译成功后，图片预测demo的入口程序为detector.exe，classifier.exe，segmenter.exe，用户可根据自己的模型类型选择，其主要命令参数说明如下：

参数	说明
--model_dir	模型转换生成的.xml文件路径，请保证模型转换生成的三个文件在同一路径下
--image	要预测的图片文件路径
--image_list	按行存储图片路径的.txt文件
--device	运行的平台，可选项{"CPU"，"MYRIAD"}，默认值为"CPU"，如在VPU上请使用"MYRIAD"
--cfg_file	PaddleX model 的.yml配置文件
--save_dir	可视化结果图片保存地址，仅适用于检测任务，默认值为" "，即不保存可视化结果

样例¶

样例一：在CPU下做单张图片的分类任务预测测试图片 /path/to/test_img.jpeg

./classifier.exe --model_dir=/path/to/openvino_model --image=/path/to/test_img.jpeg --cfg_file=/path/to/PadlleX_model.yml

样例二: 在CPU下做多张图片的检测任务预测，并保存预测可视化结果预测多个图片/path/to/image_list.txt，image_list.txt内容的格式如下：

/path/to/images/test_img1.jpeg
/path/to/images/test_img2.jpeg
...
/path/to/images/test_imgn.jpeg

./detector.exe --model_dir=/path/to/models/openvino_model --image_list=/root/projects/images_list.txt --cfg_file=/path/to/PadlleX_model.yml --save_dir ./output

样例三:在VPU下做单张图片分类任务预测测试图片 /path/to/test_img.jpeg

.classifier.exe --model_dir=/path/to/openvino_model --image=/path/to/test_img.jpeg --cfg_file=/path/to/PadlleX_model.yml --device=MYRIAD